Новый подход позволяет определять характеристики порошка по микроскопическим изображениям, что ускорит разработку и аттестацию материалов

Фото: Объединенная двигателестроительная корпорация

Центр аддитивных технологий (входит в Объединенную двигателестроительную корпорацию Госкорпорации Ростех) внедряет искусственный интеллект (ИИ) для оценки металлических порошков, используемых в 3D-принтерах. Новый подход позволяет точно определять характеристики частиц порошка по микроскопическим изображениям. Это ускорит разработку и аттестацию материалов, применяемых в аддитивном производстве. 

Специалисты ЦАТ создали нейросетевую модель, которая автоматически формирует данные, необходимые для допуска металлических порошков к производству изделий с помощью аддитивных технологий. ИИ позволяет не просто разграничивать «порошок» и «фон», а выделяет отдельные частицы на снимках, полученных с помощью электронного микроскопа. Это помогает проверить качество материала и решить, можно ли использовать его в производстве. В ходе тестов архитектура показала высокий результат — погрешность составила менее 3%. 

«Ключевое преимущество разработки — переход от ручной обработки микроскопических изображений к автоматизированным измерениям. Применение нейронных сетей автоматизирует наиболее трудоемкий этап — выделение отдельных частиц и расчет их характеристик. ИИ-технология определяет такие параметры, как количество частиц, площадь, периметр, эквивалентный диаметр. Точность данных, полученных с помощью компьютерного зрения, подтверждена в ходе сравнения с результатами классического метода лазерной дифракции», — отметил инженер-технолог ЦАТ Константин Коробов. 

При ручном и автоматизированном анализе порошка используются микроскоп и компьютер. Однако в первом случае специалист должен последовательно обрабатывать изображения, тогда как ИИ автоматически выполняет все расчеты, оставляя оператору только подготовку снимков и проверку результата. Это существенно сокращает трудозатраты на обработку данных, ускоряет анализ и снижает влияние человеческого фактора на его достоверность. 

В ближайшее время планируется испытать технологию на различных партиях порошков, оформить методику анализа и разработать удобный программный интерфейс. После этого протестируют пилотную версию решения на производстве.